Saltar al contenido

Python: Cómo recortar un área con un color específico de la imagen (OpenCV, Numpy)

Solución:

Respuesta actualizada

He actualizado mi respuesta para hacer frente a las manchas de píxeles atípicos ruidosos del mismo color que el cuadro amarillo. Esto funciona ejecutando un filtro mediano de 3×3 sobre la imagen primero para eliminar las manchas:

#!/usr/bin/env python3

import numpy as np
from PIL import Image, ImageFilter

# Open image and make into Numpy array
im = Image.open('image.png').convert('RGB')
na = np.array(im)
orig = na.copy()    # Save original

# Median filter to remove outliers
im = im.filter(ImageFilter.MedianFilter(3))

# Find X,Y coordinates of all yellow pixels
yellowY, yellowX = np.where(np.all(na==[247,213,83],axis=2))

top, bottom = yellowY[0], yellowY[-1]
left, right = yellowX[0], yellowX[-1]
print(top,bottom,left,right)

# Extract Region of Interest from unblurred original
ROI = orig[top:bottom, left:right]

Image.fromarray(ROI).save('result.png')

Respuesta original

Ok, tu color amarillo es rgb(247,213,83), por lo que queremos encontrar las coordenadas X, Y de todos los píxeles amarillos:

#!/usr/bin/env python3

from PIL import Image
import numpy as np

# Open image and make into Numpy array
im = Image.open('image.png').convert('RGB')
na = np.array(im)

# Find X,Y coordinates of all yellow pixels
yellowY, yellowX = np.where(np.all(na==[247,213,83],axis=2))

# Find first and last row containing yellow pixels
top, bottom = yellowY[0], yellowY[-1]
# Find first and last column containing yellow pixels
left, right = yellowX[0], yellowX[-1]

# Extract Region of Interest
ROI=na[top:bottom, left:right]

Image.fromarray(ROI).save('result.png')

ingrese la descripción de la imagen aquí


Puede hacer exactamente lo mismo en Terminal con ImageMagick:

# Get trim box of yellow pixels
trim=$(magick image.png -fill black +opaque "rgb(247,213,83)" -format %@ info:)

# Check how it looks
echo $trim
251x109+101+220

# Crop image to trim box and save as "ROI.png"
magick image.png -crop "$trim" ROI.png

Si todavía está usando ImageMagick v6 en lugar de v7, reemplace magick con convert.

Lo que veo son áreas grises claras y oscuras en los lados y la parte superior, un área blanca y un rectángulo amarillo con triángulos grises dentro del área blanca.

La primera etapa que sugiero es convertir la imagen del espacio de color RGB al espacio de color HSV.
los S canal de color en el espacio HSV, es el “canal de saturación de color”.
Todos los incoloros (gris / negro / blanco) son ceros y los píxeles amarillos están por encima de los ceros en el canal S.

Próximas etapas:

  • Aplicar umbral en el canal S (convertirlo a imagen binaria).
    Los píxeles amarillos pasan a 255 y otros a cero.
  • Encuentre contornos en el umbral (busque solo el contorno exterior, solo el rectángulo).
  • Invierte la polaridad de los píxeles dentro del rectángulo.
    Los triángulos grises se vuelven 255 y los demás píxeles son ceros.
  • Encuentra contornos en thresh – encuentra los triángulos grises.

Aquí está el código:

import numpy as np
import cv2

# Read input image
img = cv2.imread('img.png')

# Convert from BGR to HSV color space
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

# Get the saturation plane - all black/white/gray pixels are zero, and colored pixels are above zero.
s = hsv[:, :, 1]

# Apply threshold on s - use automatic threshold algorithm (use THRESH_OTSU).
ret, thresh = cv2.threshold(s, 0, 255, cv2.THRESH_BINARY+cv2.THRESH_OTSU)

# Find contours in thresh (find only the outer contour - only the rectangle).
contours = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)[-2]  # [-2] indexing takes return value before last (due to OpenCV compatibility issues).

# Mark rectangle with green line
cv2.drawContours(img, contours, -1, (0, 255, 0), 2)

# Assume there is only one contour, get the bounding rectangle of the contour.
x, y, w, h = cv2.boundingRect(contours[0])

# Invert polarity of the pixels inside the rectangle (on thresh image).
thresh[y:y+h, x:x+w] = 255 - thresh[y:y+h, x:x+w]

# Find contours in thresh (find the triangles).
contours = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)[-2]  # [-2] indexing takes return value before last (due to OpenCV compatibility issues).

# Iterate triangle contours
for c in contours:
    if cv2.contourArea(c) > 4:  #  Ignore very small contours
        # Mark triangle with blue line
        cv2.drawContours(img, [c], -1, (255, 0, 0), 2)

# Show result (for testing).
cv2.imshow('img', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

Canal de color S en el espacio de color HSV:
ingrese la descripción de la imagen aquí

thresh – S después del umbral:
ingrese la descripción de la imagen aquí

thresh después de invertir la polaridad del rectángulo:
ingrese la descripción de la imagen aquí

Resultado (el rectángulo y los triángulos están marcados):
ingrese la descripción de la imagen aquí


Actualizar:

En caso de que haya algunos puntos de colores en el fondo, puede recortar el contorno de color más grande:

import cv2
import imutils  # https://pypi.org/project/imutils/

# Read input image
img = cv2.imread('img2.png')

# Convert from BGR to HSV color space
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

# Get the saturation plane - all black/white/gray pixels are zero, and colored pixels are above zero.
s = hsv[:, :, 1]

cv2.imwrite('s.png', s)

# Apply threshold on s - use automatic threshold algorithm (use THRESH_OTSU).
ret, thresh = cv2.threshold(s, 0, 255, cv2.THRESH_BINARY+cv2.THRESH_OTSU)

# Find contours
cnts = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
cnts = imutils.grab_contours(cnts) 

# Find the contour with the maximum area.
c = max(cnts, key=cv2.contourArea)

# Get bounding rectangle
x, y, w, h = cv2.boundingRect(c)

# Crop the bounding rectangle out of img
out = img[y:y+h, x:x+w, :].copy()

Resultado:
ingrese la descripción de la imagen aquí

Puedes animar nuestra investigación poniendo un comentario o valorándolo te damos la bienvenida.

¡Haz clic para puntuar esta entrada!
(Votos: 0 Promedio: 0)



Utiliza Nuestro Buscador

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *